用keras创建拟合网络解决回归问题Regression

本文介绍了如何使用Keras构建神经网络来拟合正弦曲线,重点强调了训练数据的矩阵形式、数据规范化、激活函数的选择(tanh)、误差函数(mean_squared_error)以及训练过程中的调试技巧。通过绘制预测值与输入值对比图和误差随迭代变化的曲线,帮助理解模型性能。
摘要由CSDN通过智能技术生成

实现了正弦曲线的拟合,即regression问题。

创建的模型单输入单输出,两个隐层分别为100、50个神经元。

在keras的官方文档中,给的例子多是关于分类的。因此在测试regression时,遇到了一些问题。总结来说,应注意以下几个方面:

1)训练数据需是矩阵型,这里的输入和输出是1000*1,即1000个样本;每个样本得到一个输出;

注意:训练数据的生成非常关键,首先需要检查输入数据和输出数据的维度匹配;

2)对数据进行规范化,这里用到的是零均值单位方差的规范方法。规范化方法对于各种训练模型很有讲究,具体参照另一篇笔记:http://blog.csdn.net/csmqq/article/details/51461696;

3)输出层的激活函数选择很重要,该拟合的输出有正负值,因此选择tanh比较合适;

4)regression问题中,训练函数compile中的误差函数通常选择mean_squared_error。

5)值得注意的是,在训练时,可以将测试数据的输入和输出绘制出来,这样可以帮助调试参数。

6)keras中实现回归问题,返回的准确率为0。

# -*- coding: utf-8 -*-
"""
Created on Mon May 16 13:34:30 2016
@author: Michelle
"""
from keras.models import Sequential  
在Python中,可以使用线性回归和非线性回归来进行数据建模和预测。引用中提到的决策树和随机森林是非线性回归的经典算法,可以使用sklearn库中的相关函数进行实现。另外,还可以使用Keras库中的神经网络模型来进行非线性回归。引用中提到的支持向量机(SVM)也可以用于非线性回归,其中支持向量机非线性回归模型(SVR)是常用的方法之一。 对于线性回归,可以使用sklearn库中的线性模型(Linear Regression)来实现。具体步骤包括导入相应的库、准备数据、创建模型、拟合数据和进行预测。以下是一个简单的线性回归示例代码: ```python import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression # 准备数据 x = np.array([[1], [2], [3], [4], [5], [6], [7], [8], [9], [10]]) y = np.array([4.187, 0.964, 0.853, 0.305, 0.358, 0.338, 0.368, 0.222, 0.798, 1.515]) # 创建模型 model = LinearRegression() # 拟合数据 model.fit(x, y) # 进行预测 x_new = np.array([[11]]) y_pred = model.predict(x_new) # 打印预测结果 print("预测结果:", y_pred) ``` 对于非线性回归,可以使用决策树、随机森林或神经网络等算法来实现。具体步骤和代码可以参考引用中提到的示例,通过导入相应的库和函数,并根据数据的特点选择合适的算法和模型来进行建模和预测。<span class="em">1</span><span class="em">2</span> #### 引用[.reference_title] - *1* [Python非线性回归](https://download.csdn.net/download/weixin_38686080/14856924)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [python 机器学习之支持向量机非线性回归SVR模型](https://download.csdn.net/download/weixin_38622467/14914405)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值